TÜRKİYE ERKEK MİLLİ BASKETBOL TAKIMININ EUROBASKET 2015 İÇİN OYUN KURUCU SEÇİMİNİN ÇOK ÖLÇÜTLÜ KARAR VERME YÖNTEMLERİYLE YAPILMASI

TÜRKİYE ERKEK MİLLİ BASKETBOL TAKIMININ EUROBASKET 2015 İÇİN OYUN KURUCU SEÇİMİNİN ÇOK ÖLÇÜTLÜ KARAR VERME YÖNTEMLERİYLE YAPILMASI Makale Gönderim Tarihi: 29052015 Yayına Kabul Tarihi: 03052016 Burak ÇETĠN Yükek Lian Öğrencii Kırıkkale Üniveritei Fen Bilimleri Entitüü brkctn2626@gmailcom Tamer EREN Doç Dr Kırıkkale Üniveritei Mühendilik Fakültei tamereren@gmailcom Kafka Üniveritei Ġktiadi ve Ġdari Bilimler Fakültei KAÜĠĠBFD Cilt, 7, Sayı 13, 2016 ISSN: 1309 4289 E ISSN: 2149-9136 ÖZ Türkiye Erkek Milli Baketbol Takımı, Türkiye Cumhuriyeti'ni ululararaı turnuva ve maçlarda temil etmektedir Karar verme problemleri, eçenek kümeinden bir amaç veya ölçüte göre en uygun olanın belirlenmeini içermektedir Bu çalıģmada EuroBaket 2015 için Türk Erkek Milli Baketbol Takımına oyun kurucu eçimi yapılmıģtır Bu eçim yapılırken çok ölçütlü karar verme yöntemlerinden AHP, TOPSIS ve ELECTRE kullanılmıģtır Oyun kurucu eçimi yapılırken oyun kurucuda bulunmaı gereken özellikler dikkate alınarak ayı, üre, ait, top çalma, top kaybı ve ribaund kriter olarak belirlenmiģtir Anahtar Kelimeler: EuroBaket, Baketbol, Performan Değerlendirme, Çok Ölçütlü Karar Verme, AHP, TOPSIS, ELECTRE JEL Kodları: C02, C44 Türü: AraĢtırma DOI:109775/kauiibfd2016011 Atıfta bulunmak için: ÇETĠN, B ve EREN, T (2016) Türkiye Erkek Milli Baketbol Takımının Eurobaket 2015 Ġçin Oyun Kurucu Seçiminin Çok Ölçütlü Karar Verme Yöntemleriyle Yapılmaı KAÜİİBFD 7(13), 201-227

CHOOSING A PLAYMAKER TO THE TURKEY MEN S NATIONAL BASKETBALL TEAM FOR EUROBASKET 2015 IS MAKING WITH MULTICRITERIA DECISION MAKING METHODS Article Submiion Date: 29052015 Burak ÇETĠN Graduate Student Kırıkkale Univerity Graduate School of Natural and Applied Science brkctn2626@gmailcom Tamer EREN Aoc Prof Dr Kırıkkale Univerity Faculty of Engineering tamereren@gmailcom Kafka Üniverity Economic and Adminitrative Science Faculty KAUJEASF Vol 7, Iue 13, 2016 ISSN: 1309 4289 E ISSN: 2149-9136 Accepted Date:03052016 ABSTRACT Turkey Men National Baketball Team ymbolize Turkih Republic (Republic of Turkey) in the international tournament and game Deciion problem include chooing the bet one due to a purpoe and criterion In thi tudy, playmaker deciion i done for EuroBaket 2015 Turkey Men National Baketball Team Multicriteria deciion making method a AHP, ANP and ELECTRE are ued ince playmaker election During playmaker election propertie that playmaker hould have conidered number, time, ait, teal, turnover and rebound are determined a criterion for the problem Keyword: EuroBaket, Baketball, performance aement, multicriteria deciion making, AHP, TOPSIS,ELECTRE JEL Code: C02, C44 Type: Reearch Cite thi Paper: ÇETĠN, B ve EREN, T (2016) Chooing a Playmaker to the Turkey Men National Baketball Team for Eurobaket 2015 i Making With Multicriteria Deciion Making Method KAUJEASF 7(13), 201-227

KAÜİİBFD 7(13), 2016: 201-227 1 GİRİŞ Baketbol tüm dünyada popüler bir por dalıdır Bu por dalı kapamında iki yılda bir EuroBaket düzenlenmektedir Türk Erkek Milli Baketbol Takımı 2015 EuroBakete katılmaya hak kazanmıģtır Takımımızın bu Ģampiyona için en kritik oyuncu bölgei oyun kuruculardır Bir karar probleminde, birden fazla kriterin bir arada değerlendirilmei öz konuu olduğunda, bu tür karar verme durumları çok kriterli karar verme problemleri adı altında incelenmektedir (Timor, 2011) ÇalıĢmanın niteliği açıından birden fazla yöntemle problem çözülecektir Bu çalıģmada karar verme yöntemlerinden AHP, TOPSIS ve ELECTRE kullanılacaktır Thoma Saaty tarafından 1970 li yıllarda geliģtirilen Analitik HiyerarĢi Proe (AHP), karar vericilerin karmaģık problemleri, problemin ana hedefi, kriterleri, alt kriterler ve alternatifleri araındaki iliģkiyi göteren bir hiyerarģik yapıda modellemelerini ağlamaktadır (Kuruüzüm ve Atan, 2001) AHP, gruplara ve bireylere karar verme aģamaındaki nitel ve nicel faktörleri birleģtirme olanağı ağlayan güçlü ve kolay anlaģılır bir yöntemdir (Saaty, 1990) TOPSIS yöntemi Hwang ve Yoon (1981) tarafından önerilen çok kriterli karar verme tekniklerinden biriidir Bu yöntem negatif ideal çözüme çok uzak, pozitif ideal çözüme en yakın alternatif en çok tercih edilir varayımından hareket etmektedir (Li vd, 2011) Bu yöntem, pozitif idealden negatif ideal noktalara uzaklıklarını dikkate alarak alternatifleri ıralayan bir yöntemdir (Ignatiu vd, 2012) ELECTRE metodu Bernard Roy un karar verme çalıģmaları onucunda, 1968 yılında geliģtirilmiģtir (Yürekli, 2008) Nijkamp& Van Delft ile Voogh tarafından geliģtirilerek daha kapamlı bir karar verme tekniği olmuģtur (Özkan, 2008) ELECTRE metodu ayıal heaplamaları çok olan problemleri, özel ifadelere çevirerek yorumlayabilen bir tekniktir (Türker, 1988) Türkiye Erkek Milli Baketbol Takımı nda genellikle kadroya davet edilen oyuncuların yer aldığı bir havuz bulunmaktadır Takımda oynamaya uygun olan ve bu havuzda bulunan oyunculara baktığımızda özellikle oyun kurucu bölgeinde oldukça fazla alternatif olduğu ve bu alternatiflerin hepinin Türkiye Baketbol Liginde oynadıkları görülmüģtür Bu ebeple bu bölgede daha ağlıklı onuçlar ulaģılacağı düģünülmüģtür ÇalıĢmada 2015 yılında yapılacak olan EuroBaket için oyun kurucu eçimi yapılacaktır Bu eçim yapılırken çok ölçütlü karar verme yöntemlerinden AHP, TOPSIS ve ELECTRE kullanılmıģtır ÇalıĢmanın ikinci bölümünde baketbol endütrii ve EuroBaket den bahedilmekte, Üçüncü bölümde çok ölçütlü karar verme yöntemleri ele alınmaktadır Dördüncü bölümde kullanılacak çok ölçütlü karar verme yöntemleriyle ilgili literatür taramaı yapılmıģtır BeĢinci bölümde örnek uygulamadan 203

KAUJEASF 7(13), 2016: 201-227 bahedilecektir Son Bölüm olan Altıncı Bölümde yapılan çalıģmanın onuçları verilmiģtir 2 BASKETBOL ENDÜSTRİSİ VE EUROBASKET Bir por ülkei olarak bilinen Türkiye de, baketbol da diğer branģlar gibi gittikçe geliģmektedir Bu geliģme de özellikle reklam gelirleri büyük önem taģımaktadır Bunun yanı ıra ülkemizdeki takımlara birçok yıldız oyuncu gelmektedir Türkiye Baketbol Ligi Ġpanya dan onra Avrupa nın en çok izlenen ve en çok yatırım yapılan ligidir EuroBaket Avrupa ülkeleri erkek baketbol takımları araında FIBA Avrupa tarafından her iki yılda bir düzenlenen ve FIBA tarafından organize edilen Dünya Baketbol ġampiyonaı'nın grup karģılaģmaı niteliği taģıyan organizayondur Ġlk EuroBaket turnuvaı 1935 yılında düzenlenmiģtir ve 1947'den beri her iki enede bir düzenlenmeye etmektedir 2017'den itibaren de 4 enelik dönemlerle düzenleneceği kararlaģtırılmıģtır Turnuva aynı zamanda Olimpiyat Oyunları ve Dünya Baketbol ġampiyonaı için bir ön eleme turnuvaı görevi de görmektedir EuroBaket'i en fazla kazanan takım 14 kezle Sovyetler Birliği iken, 2013'te gerçekleģen on turnuvayı Frana kazanmıģtır (http://trwikipediaorg/wiki/eurobaket) 3 ÇOK ÖLÇÜTLÜ KARAR VERME YÖNTEMLERİ 31 AHP Yöntemi AHP, probleme hem objektif hem de ubjektif düģüncelerin karar ürecine dâhil edilmeine imkân veren ve yaygın olarak kullanılan bir yöntemdir (Timor, 2011) Grup kararları için de diğer yöntemlere göre daha uygundur (Tüzemen ve Özdağoğlu, 2007) AHP Yöntemi AĢamaları (Saaty, 1990): Adım 1:Karar verme problemi tanımlanır Karar noktaları ve bu noktaları etkileyen faktörler belirlenir Adım 2:Belirlenen bu faktörlere göre hiyerarģik yapının oluģturulmaı Adım 3:Faktörler araı ikili karģılaģtırma matrii oluģturulur Matri oluģturulurken Saaty (1990) nin kalaı kullanılır Bu kala Tablo 1 de göterilmiģtir 1 a ji bu formül yardımıyla bütün karģılaģtırma matrileri oluģturulur ve a ij matri bu Ģekilde göterilir 204

KAÜİİBFD 7(13), 2016: 201-227 Tablo 1:Saaty (1990) kalaı Değer Değer Tanımları 1 Her iki faktörün eģit öneme ahip olmaı durumu 3 1 Faktörün 2 faktörden daha önemli olmaı durumu 5 1 Faktörün 2 faktörden çok önemli olmaı durumu 7 1 Faktörün 2 faktöre nazaran çok güçlü bir öneme ahip olmaı durumu 9 1 Faktörün 2 faktöre nazaran mutlak ütün bir öneme ahip olmaı durumu 2,4,6,8 Ara değerler Adım 4:Faktörlerin yüzde önem dağılımları belirlenir ve aģağıdaki formül kullanılarak B ütun vektörü heaplanır aij bij n B ütun vektörü heaplanırken bu formül kullanılır n adet ve n a i1 ij bileģenli B ütun vektörü oluģturulur b11 b21 Bi bn 1 B ütun vektörleri bir araya gelerek de C vektörünü oluģtururlar c11 c12 c1 n c21 c22 c2n C cn 1 cn2 cnn w n n c ij j i 1 205

KAUJEASF 7(13), 2016: 201-227 w1 w2 W w n Bu formül yardımıyla öncelik vektörü (W) heaplanır Öncelik vektörü oluģturulmuģtur Adım 5:Bu adımda faktör kıyalamalarındaki tutarlılık ölçülür A karģılaģtırma matriiyle W öncelik matriinin çarpımıyla D ütun vektörü elde edilir x D ütun vektörü ile W ütun vektörünün karģılıklı elemanlarının bölümünden her bir değerlendirme faktörüne iliģkin temel değer (E) elde edilir Bu değerlerin aritmetik ortalamaı ie karģılaģtırmaya iliģkin temel değeri () verir (i=1,2,,n) (i=1,2,,n) heaplandıktan onra Tutarlılık Götergei (CI), aģağıdaki formülden yararlanarak heaplanabilir CI, Random Göterge (RI) olarak adlandırılan ve tabloda göterilen tandart düzeltme değerine bölünerek CR elde edilir Tablo 2 den faktör ayıına karģılık gelen değer eçilir Tablo 2:RI Değerleri N 1 2 3 4 5 6 7 8 RI 0 0 0,58 0,9 1,12 1,24 1,32 1,41 N 9 10 11 12 13 14 15 RI 1,45 1,49 1,51 1,48 1,56 1,57 1,59 206

KAÜİİBFD 7(13), 2016: 201-227 207 formülüyle heaplanan CR değerinin 010 dan küçük olmaı karar vericinin yaptığı karģılaģtırmaların tutarlı olduğunu göterir Adım 6:Her bir faktör için, m karar noktaındaki yüzde önem dağılımları bulunur Her bir faktör için karar noktalarında kullanılacak G karģılaģtırma matrilerinin boyutu mxm olacaktır Her bir karģılaģtırma iģleminden onra mx1 boyutlu ve değerlendirilen faktörün karar noktalarına göre yüzde dağılımlarını göteren S ütun vektörleri elde edilir Bu ütun vektörleri aģağıda tanımlanmıģtır: 1 21 11 m i S Adım 7:Karar noktalarındaki onuç dağılımının bulunmaı: mx1 boyutlu S ütun vektöründen meydana gelen ve mxn boyutlu K karar matrii oluģturulur mn m m n n K 2 1 2 22 21 1 12 11 Karar matrii (K) öncelik vektörüyle (W) çarpılarak L ütun vektörü elde edilir 1 21 11 2 1 2 1 2 22 21 1 12 11 m n mn m m n n l l l w w w x L

KAUJEASF 7(13), 2016: 201-227 Bu ütuna göre alternatiflerin ağırlıkları elde edilir ve bu ağırlıklara göre ıralama yapılmaktadır 32 TOPSIS Yöntemi Pozitif ideal çözüm kriterin ulaģabileceği en iyi değeri, negatif ideal çözüm kriterin ulaģabileceği en kötü değeri oluģturur (Ertuğrul ve KarakaĢoğlu, 2009) Pozitif ideal çözümden en kıa meafe ve negatif ideal çözümden en uzak meafe alternatiflerinin eçimidir Pozitif-ideal çözüm; ulaģılabilir bütün en iyi ölçütlerin bileģimidir Negatif ideal çözüm ie ulaģılabilir en kötü ölçütlerin bileģimidir Bu yöntemde olan tek varayım, her ölçütün monoton artan veya monoton azalan tek yönlü bir faydaı olduğu varayımıdır (Hwang ve Yoon, 1981) TOPSIS in adımları Ģöyledir: Adım 1: Amaçların belirlenmei ve değerlendirme kriterleri belirlenir Uygun alternatifler ve bu alternatiflerin karģılaģtırılacağı alternatifler belirlenir Adım 2:Karar matrii oluģturulur Karar matriinin atırlarında ütünlükleri ıralanmak itenen alternatifler, ütunlarında ie karar vermede kullanılacak değerlendirme kriterleri yer almaktadır matrii oluģturulur Adım 3:Karar matrii aģağıdaki formül ile normalize edilir, (j=1,2,,n), (i=1,2,,n) Adım 4:AğırlıklandırılmıĢ normalize karar matrii (i=1,2,,n) formülüyle normalize edilir, (j=1,2,,n), Adım 5:Pozitif ideal çözüm (PIS) ve negatif ideal çözüm (NIS) belirlenir Dördüncü adımda bulunan v değerlerinin makimum ve minimum değerleri alınarak A değerleri elde edilir makimum değerler minimum değerler Adım 6:Pozitif ideal çözüm (PIS) ve negatif ideal çözüm (NIS) bulunduktan onra her bir alternatifin uzaklığı heaplanır 208

KAÜİİBFD 7(13), 2016: 201-227, (j=1,2,,n), (j=1,2,,n) Adım 7:Her alternatifin yakınlık katayıı heaplanır Adım 8:CCi değerlerinin karģılaģtırılır ve alternatiflerin ıraları belirlenir 33 ELECTRE Yöntemi Çok kriterli karar verme yöntemlerinden biri olan ELECTRE yöntemi uygulama alanı olarak ekonomi/yönetim problemleri, veri tabanı eçimi, muhaebe ve finan, ermaye yatırımı, karar detek, üretim, pazarlama, planlama, rik analizi, baģvuru değerlendirmeleri, grup karar verme, ulaģtırma, pazar eçimi, kamu ektörü, bilgi eçimi gibi alanlarda kullanılmaktadır ELECTRE yönteminin adımları aģağıdaki gibidir (Sezer, 2008) Adım 1: Karar matrii oluģturulur Karar matriinin atırlarında ütünlükleri ıralanmak itenen alternatifler, ütunlarında ie karar vermede kullanılacak değerlendirme kriterleri yer almaktadır Adım 2:Normalize karar matrii oluģturulur, (j=1,2,,n), (i=1,2,,n) formülüyle karar matrii normalize edilir Adım 3: Ağırlıklı normalize edilmiģ karar matrii oluģturulur Öncelikle faktör ağırlıkları belirlenir Normalize edilmiģ matri kriterlerin ağırlıklarıyla çarpılarak ağırlıklandırılmıģ normalize matri elde edilmektedir Adım 4: Uyum ve uyumuzluk kümeleri oluģturulur AP alternatifi Aq ya tercih ediliyora uyum kümeine, edilmiyora uyumuzluk kümeine eklenir Adım 5: Uyum ve uyumuzluk indekleri heaplanır Uyum matriinin oluģmaı için uyum kümelerinden yararlanılır 209

KAUJEASF 7(13), 2016: 201-227 Adım 6: Ütünlük karģılaģtırılmaı yapılır C ve D değerlerinin ortalamaları değerleri heaplanır Eğer Cpq Cort ve Dpq Dort ie AP Aq dir Yani p birim ve qbirime göre ütündür Adım 7: Son adımda net uyum ve uyumuzluk indekleri heaplanmaktadır Cp ler büyükten küçüğe Dp ler küçükten büyüğe ıralanır 4 LİTERATÜRDE YAPILAN ÇALIŞMALAR Bu bölümde çok kriterli karar verme yöntemlerinden kullandığımız; AHP, TOPSIS ve ELECTRE yöntemleriyle ilgili yapılan çalıģmalara ait örnekler incelenmiģtir: ÖzgörmüĢ vd (2005) yaptıkları çalıģmada bir iģletmedeki peronel eçim problemini ele almıģlardır Peronel eçiminde, iģletme için önemli olan nitel ve nicel kriterler belirlenerek, nitelikel ve nicelikel değiģkenlerin değerlendirilmeinde etkili bir yöntem olan AHP kullanılmıģtır Özkan (2007) yaptığı çalıģmada Mania'da bulunan bir iģletmenin AR-GE mühendiliği görevi için baģvuran 6 adaya uygulanan peronel eçim ürecini, AHP, ELECTRE ve TOPSIS yöntemlerini kullanarak incelemiģtir Shih vd (2007) yaptıkları çalıģmada yerel bir kimya Ģirketinde inan kaynakları bölümünde peronel eçimi için TOPSIS yöntemini kullanmıģlardır Ecer ve Küçük (2008) yaptıkları çalıģmada analitik hiyerarģi yöntemini kullanmıģlardır ÇalıĢmanın amacı analitik hiyerarģi yöntemiyle en iyi tedarikçinin naıl belirlendiğini ortaya koymaktır ÇalıĢma, yöntemin problemin çözümünü kolaylaģtırdığını ve doğru karar vermeye yardımcı olduğunu götermiģtir Yücel ve UlutaĢ (2009) ELECTRE nin ayıal analiz gerektiren lojitik alanı için geniģ çözümler oluģturacağını düģünmüģlerdir Bu nedenden ötürü Malatya Ģehrinde bulunan kargo firmalarına anket çalıģmaı uygulanmıģtır Anket çalıģmalarının onuçlarına göre ayıal kriterler belirlenip, analizler oluģturulmuģtur Analizler vaıtaıyla kargo firmaının yeni açacağı mağazaının yeri belirlenmeye çalıģılmıģtır Supçiller ve Çapraz (2011) yaptıkları çalıģmada Türkiye de faaliyet göteren bir oluklu mukavva kutu üreticii için tedarikçi eçimi problemini ele almıģlardır ÇalıĢmanın amacı iģletme için en uygun tedarikçinin eçilmeidir Bu amaçla tedarikçi eçimi probleminin çözülmei için AHS ve TOPSIS çok kriterli karar verme yöntemleri birlikte kullanılmıģtır Abalı vd (2012) yaptıkları ÇalıĢmada bur veya yardım alacak öğrencilerin belirlenmeinde göz önünde bulundurulacak ölçütlerin önceliği AHP ve TOPSIS ile aptanmıģtır Ignatiu vd (2012) yaptıkları çalıģmada bir üniveritenin kaynak tahii için AHP ve bulanık TOPSIS yöntemlerini birlikte uygulamıģlardır Ġlk olarak AHP yöntemi ile ağırlıklar belirlenmiģ daha onra bulanık TOPSIS yöntemi uygulanmıģtır Kabak ve Kazançoğlu (2012) yaptıkları çalıģmada akeri okullarda öğretmen adaylarda itenen özellikler literatür taramaı ve uzman görüģleri yardımıyla 210

KAÜİİBFD 7(13), 2016: 201-227 tepit edilmiģ ve kriterler bulanık AHP ağırlıklandırılmıģtır Kutlu vd (2012) yaptıkları çalıģmada AHP-TOPSIS yöntemleri yardımıyla eçmeli der eçimi yapmıģlardır Çiçekli ve Karaçizmeli (2013) yaptıkları çalıģmada öğrencilerin baģarıının adece ınavlarda aldıkları notlarla ölçülmeinin yerine baģarı ölçümünde daha fazla kriterin kullanılmaı ve en baģarılı olan öğrenci/öğrencilerin belirlenmei amaçlanmıģtır Bu amaç doğrultuunda, belirlenen kriterler kullanılarak bulanık analitik hiyerarģi üreci ile bir model oluģturulmuģtur Orçanlı ve Özen (2013) yaptıkları çalıģmada e-kitap okuyucu eçimiyle ilgili bir karar üreci oluģturulmak itenmiģtir OluĢturulan karar ürecinde AHP ve TOPSIS yöntemleri kullanılmıģtır Karaatlı vd (2014) yaptıkları çalıģmada Iparta ilinde faaliyet göteren beģ yıldızlı bir otelin tur operatörü eçiminde göz önüne aldığı kriterlerin ağırlık dereceleri AHP ile belirlenmiģtir Elde edilen ağırlıklar çok kriterli karar verme tekniklerinden Bulanık TOPSIS yönteminde kullanılarak tur operatörleri değerlendirilmiģ ve otel için en iyi tur operatörü tepit edilmiģtir Karaatlı vd (2014) yaptıkları çalıģmada çok kriterli karar verme yöntemleri uygulanmıģtır AHP yöntemi ile kriterlerin ağırlıkları belirlenmiģtir Elde edilen kriter ağırlıkları öncelikle TOPSIS yönteminde daha onra VIKOR yönteminde kullanılarak futbolcuların performanları değerlendirilerek ıralama yapılmıģtır Acun ve Eren (2015) yaptıkları çalıģmada por toto üper liginde forvet oyuncularının performanlarını değerlendirmiģlerdir ÇalıĢmada çok ölçütlü karar verme yöntemlerinden Analitik HiyerarĢi Proei (AHP) ve VIKOR yöntemleri kullanılmıģtır Demircanlı ve Kundakcı, forvet tranferine ihtiyaç duyan bir kulübün oyuncuları değerlendirebilmek için AHP ve VIKOR yönteminin bir arada kullanılmaına dayanan bütünleģik bir yaklaģım ele almıģlardır Akyüz ve Soba (2013) yaptıkları çalıģmada UĢak ta kurulacak bir tektil anayi iģletmei için alternatif üç kuruluģ yerinin (UĢak OSB, UĢak Karma OSB ve UĢak Karahallı OSB) belirlenen kriterler çerçeveinde, optimal kuruluģ yeri belirlenmeine çalıģmıģlardır Optimal kuruluģ yeri eçiminde çoklu karar verme itemlerinde kullanılan ELECTRE yöntemi ile kuruluģ yeri kriterleri değerlendirilmiģtir Sarı ve Timor (2015) yaptıkları çalıģmada, üretim yapan iģletmeler için önemli bir karar problemi olan tedarikçi eçimi problemine, ANP, Taguchi Kayıp Fonkiyonu ve TOPSIS yöntemleri ile karģılaģtırmalı bir çözüm önerilmektir ÇalıĢmanın teorik bölümünde, eçilen çok kriterli karar yöntemlerine ait temel prenipler açıklanmıģ olup, çalıģmanın uygulama kımında otomotiv ektöründe latik üretimi yapan bir iģletmede, makine kalıp imalat ve bakım tedarikçii eçimi problemi ele alınmıģtır Bedir ve Eren (2015) peronel değerlendirmek için AHP-PROMETHEE yöntemleri ile yapmıģtır 211

KAUJEASF 7(13), 2016: 201-227 TaĢkın ve Eren (2016) UEFA ġampiyonlar ligindeki oyuncuları değerlendirmek için AHP-TOPSIS yöntemleri kullanmıģlardır 5 ÖRNEK UYGULAMA ÇalıĢma kapamında 2015 yılı Avrupa Ģampiyonaı için Türkiye Erkek Baketbol Milli Takımına oyun kurucu eçimi yapılacaktır Oyun kurucu eçilirken oyuncunun kulüp takımında oynarken kaydedilen 2014/2015 yılına ait itatitiki bilgiler dikkate alınacaktır Bu itatitikler ıģığında çok ölçütlü karar verme metotlarından AHP, TOPSIS ve ELECTRE yardımıyla alternatifler değerlendirilecektir ÇalıĢma kapamında öncelikle alternatifler belirlenmiģtir Alternatifler belirlenirken milli takım havuzundaki oyun kurucular dikkate alınmıģtır Yapılan değerlendirmeler onucu alternatifler Ģu Ģekilde belirlenmiģtir: Sinan GÜLER (SG), Ender ARSLAN (EA), Kenan SĠPAHĠ (KS), Furkan KORKMAZ (FK), BarıĢ ERMĠġ (BE) ve DoğuĢ BALBAY (DB) olarak belirlenmiģtir Alternatifler belirlendikten onra alternatiflerin değerlendirilmeinde yararlanılacak kriterler belirlenmiģtir Bu kriterleri belirlerken bir oyun kurucu da bulunmaı gerekli özellikler eçilmiģtir Ayrıca kriterler belirlenirken uzman görüģünden yararlanılmıģtır: Ortalama Süre (OSÜ): Sezon içeriinde oynadığı remi maçlarda ahada kaldığı ortalama üre Ortalama Sayı (OSA): Sezon içeriinde oynadığı remi maçlarda kaydettiği ortalama ayı Ortalama Ait (OAS): Sezon içeriinde oynadığı remi maçlarda yaptığı ortalama ait Ortalama Top Çalma (OTÇ): Sezon içeriinde oynadığı remi maçlarda ortalama çaldığı top ayıı Ortalama Top Kaybı (OTK): Sezon içeriinde oynadığı remi maçlarda ortalama kaybettiği top ayıı Ortalama Ribaund (ORĠ): Sezon içeriinde oynadığı remi maçlarda aldığı ortalama ribaund Kriterlerin alternatiflere karģılık gelen değerleri Tablo 3 te göterilmiģtir Tablo 3:Alternatif ve kriterler Alternatifler/Kriterler OSÜ OSA OAS OTÇ OTK ORĠ SG 25,80 9,29 2,64 1,17 2,07 3,49 EA 19,09 8,28 2,36 0,30 1,15 0,95 KS 13,00 2,74 1,04 0,30 0,70 1,06 FK 12,59 4,41 0,97 0,57 0,61 1,40 BE 23,50 7,61 2,18 1,13 1,88 2,18 DB 12,86 2,81 1,45 0,48 0,65 1,59 212

KAÜİİBFD 7(13), 2016: 201-227 Alternatif ve kriterler tablou oluģturulduktan onra çok ölçütlü karar verme yöntemleriyle çözüme baģlanmıģtır 51 Problemin AHP ile Çözülmei Adım 1:Burada her bir kriter birbirleriyle kıyalanmıģtır Bu adımda ünlü baketbol yorumcuu Kaan Kural ın uzman görüģüne baģvurulmuģtur KarĢılaĢtırma matrii Tablo 4 de verilmiģtir Tablo 4:KarĢılaĢtırma matrii Kriterler OSÜ OSA OAS OTÇ OTK ORĠ OSÜ 1,00 1,00 1,00 5,00 3,00 9,00 OSA 1,00 1,00 1,00 5,00 5,00 7,00 OAS 1,00 1,00 1,00 7,00 5,00 9,00 OTÇ 0,20 0,20 0,14 1,00 0,33 5,00 OTK 0,33 0,20 0,20 3,00 1,00 7,00 ORĠ 0,11 0,14 0,11 0,20 0,14 1,00 Adım 2:KarĢılaĢtırma matrii normalize edilmiģtir Normalize edilmiģ matri Tablo 5 de verilmiģtir Tablo 5: Normalize matri Kriterler OSÜ OSA OAS OTÇ OTK ORĠ OSÜ 0,27 0,28 0,29 0,24 0,21 0,24 OSA 0,27 0,28 0,29 0,24 0,35 0,18 OAS 0,27 0,28 0,29 0,33 0,35 0,24 OTÇ 0,05 0,06 0,04 0,05 0,02 0,13 OTK 0,09 0,06 0,06 0,14 0,07 0,18 ORĠ 0,03 0,04 0,03 0,01 0,01 0,03 Adım 3:Normalize matrite her kriter için bulunan değerlerin ortalamaı alınarak her bir kriterin ağırlıkları heaplanmıģtır Bu ağırlıklar Tablo 6 da verilmiģtir Tablo 6: Faktör ağırlıkları Kriterler Özvektör(W) OSÜ 0,25 OSA 0,27 OAS 0,29 OTÇ 0,06 OTK 0,10 ORĠ 0,02 213

KAUJEASF 7(13), 2016: 201-227 Adım 4: Adım 1 de elde edilen karģılaģtırma matriiyle Adım 3 te bulunan faktör ağırlıklarının matri çarpımıyla D matrii elde edilmiģtir Elde edilen D matrii Tablo 7 de verilmiģtir Tablo 7: D matrii Kriterler D (W*A) OSÜ 1,63 OSA 1,79 OAS 1,95 OTÇ 0,36 OTK 0,65 ORĠ 0,15 Adım 5:Adım 3 ve Adım 4 te bulunan değerler kullanılarak tutarlılık ölçülür Bulunan E i değerleri Tablo 8 de göterilmiģtir Tablo 8: E i heabı Kriterler E i OSÜ 6,43 OSA 6,65 OAS 6,66 OTÇ 6,14 OTK 6,47 ORĠ 6,06 Adım 6: Adım 5 te elde edilen E i değerlerinin aritmetik ortalamaı alınarak lamda değeri bulunur =6,40 bulunmuģtur Adım 7:Adım 6 da elde edilen değeri formülde yerine yazılarak tutarlılık indeki ve oranı bulunmuģtur Tutarlılık indeki (CI)=0,08 ve kriterlerin tutarlılık oranı (CR)=0,06 bulunmuģtur Tutarlılık oranı 01 den küçük olduğu için kriterler tutarlıdır ve AHP ile çözüm yapılabilmektedir Çözüm yapılırken öncelikle her bir kriter için bütün alternatifler karģılaģtırılacaktır Bu karģılaģtırma iģlemi yapılırken öncelikle alternatifler birbirine göre puanlanır ve normalize edilerek matri ağırlıkları bulunur KarĢılaĢtırma iģlemi eçilen alternatiflerin itatitiklerine göre yapılmıģtır Her bir kriter için matri ağırlıkları Tablo 9, Tablo 10, Tablo 11, Tablo 12, Tablo 13 ve Tablo 14 de göterilmiģtir 214

KAÜİİBFD 7(13), 2016: 201-227 Tablo 9: Süre Ġçin Normalize Matri SG EA KS FK BE DB W SG 0,36 0,39 0,33 0,35 0,36 0,29 0,35 EA 0,12 0,13 0,23 0,15 0,12 0,21 0,16 KS 0,05 0,03 0,05 0,05 0,05 0,13 0,06 FK 0,05 0,04 0,05 0,05 0,05 0,04 0,05 BE 0,36 0,39 0,33 0,35 0,36 0,29 0,35 DB 0,05 0,03 0,02 0,05 0,05 0,04 0,04 Tablo 10: Sayı için normalize matri SG EA KS FK BE DB W SG 0,27 0,27 0,25 0,23 0,31 0,33 0,27 EA 0,27 0,27 0,25 0,23 0,31 0,33 0,27 KS 0,05 0,05 0,05 0,03 0,06 0,07 0,05 FK 0,09 0,09 0,15 0,08 0,10 0,02 0,09 BE 0,27 0,27 0,25 0,23 0,10 0,20 0,22 DB 0,05 0,05 0,05 0,23 0,10 0,07 0,09 Tablo 11: Ait için normalize matri SG EA KS FK BE DB W SG 0,46 0,52 0,33 0,42 0,29 0,34 0,39 EA 0,15 0,17 0,23 0,30 0,10 0,20 0,19 KS 0,07 0,03 0,05 0,18 0,02 0,02 0,06 FK 0,07 0,03 0,02 0,06 0,29 0,34 0,13 BE 0,15 0,17 0,23 0,02 0,02 0,02 0,10 DB 0,09 0,06 0,14 0,01 0,29 0,07 0,11 Tablo 12: Top çalma için normalize matri SG EA KS FK BE DB W SG 0,37 0,27 0,32 0,27 0,36 0,51 0,35 EA 0,05 0,04 0,05 0,01 0,05 0,02 0,04 KS 0,05 0,04 0,05 0,02 0,05 0,03 0,04 FK 0,07 0,19 0,14 0,05 0,05 0,02 0,09 BE 0,37 0,27 0,32 0,38 0,36 0,31 0,33 DB 0,07 0,19 0,14 0,27 0,12 0,10 0,15 215

KAUJEASF 7(13), 2016: 201-227 Tablo 13: Top kaybı için normalize matri SG EA KS FK BE DB W SG 0,03 0,04 0,02 0,02 0,03 0,03 0,03 EA 0,28 0,35 0,16 0,48 0,25 0,54 0,34 KS 0,22 0,35 0,16 0,16 0,25 0,06 0,20 FK 0,22 0,12 0,16 0,16 0,19 0,18 0,17 BE 0,03 0,04 0,02 0,02 0,03 0,02 0,03 DB 0,22 0,12 0,48 0,16 0,25 0,18 0,23 Tablo 14: Ribaund için normalize matri SG EA KS FK BE DB W SG 0,73 0,42 0,48 0,30 0,11 0,14 0,36 EA 0,02 0,06 0,21 0,06 0,02 0,14 0,08 KS 0,02 0,02 0,07 0,02 0,75 0,14 0,17 FK 0,03 0,06 0,21 0,06 0,01 0,14 0,08 BE 0,15 0,42 0,01 0,54 0,11 0,41 0,27 DB 0,05 0,02 0,02 0,02 0,01 0,05 0,03 Alternatiflerin birbirleriyle kıyalanmaıyla elde edilen ağırlıkların oluģturduğu matrile faktör ağırlıklarının oluģturduğu matri, çarpılarak çözüm elde edilir Bu çözüm Tablo 15 de göterilmiģtir Tablo 15: Alternatiflerin kıyalanmaıyla elde edilen ağırlık matrii OSÜ OSA OAS OTÇ OTK ORĠ SG 0,35 0,27 0,39 0,35 0,03 0,36 EA 0,16 0,27 0,19 0,04 0,34 0,08 KS 0,06 0,05 0,06 0,04 0,20 0,17 FK 0,05 0,09 0,13 0,09 0,17 0,08 BE 0,35 0,22 0,10 0,33 0,03 0,27 DB 0,04 0,09 0,11 0,15 0,23 0,03 Tablo 16: Faktörlerin kriter ağırlıkları Kriter Kriter Ağırlıkları OSÜ 0,25 OSA 0,27 OAS 0,29 OTÇ 0,06 OTK 0,10 ORĠ 0,02 216

KAÜİİBFD 7(13), 2016: 201-227 Tablo 15 ve Tablo 16 daki değerlerin matri çarpımıyla AHP çözümü yapılır Bu çözümün onucu Tablo 17 de göterilmiģtir Tablo 17: AHP çözüm onucu Alternatif Sonuç Sıralama SG 0,31034 1 EA 0,21013 2 KS 0,07338 6 FK 0,09962 5 BE 0,20663 3 DB 0,09990 4 Problemin AHP çözümüne göre oyun kurucu mevkiine ilk ırada Sinan GÜLER eçilmelidir 52 Problemin TOPSIS ile Çözülmei Adım 1: Alternatif ve kriterler Tablo 3 te göterilmiģtir Adım 2: Alternatif ve kriterler kullanılarak karar matrii oluģturulmuģtur Karar matrii Tablo 18 de göterilmiģtir Tablo 18: Karar matrii Alternatifler/Kriterler OSÜ OSA OAS OTÇ OTK ORĠ SG 25,80 9,29 2,64 1,17 2,07 3,49 EA 19,09 8,28 2,36 0,30 1,15 0,95 KS 13,00 2,74 1,04 0,30 0,70 1,06 FK 12,59 4,41 0,97 0,57 0,61 1,40 BE 23,50 7,61 2,18 1,13 1,88 2,18 DB 12,86 2,81 1,45 0,48 0,65 1,59 Adım 3:Karar matrii kullanılarak normalize karar matrii oluģturulmuģtur Öncelikle formül yardımıyla R ij değerleri bulunur R ij değerleri Tablo 19 da göterilmiģtir Tablo 19: R ij Değerleri Kriterler OSÜ OSA OAS OTÇ OTK ORĠ R ij 45,554 15,736 4,628 1,839 3,229 4,842 Karar Matrii ve R ij değerleri kullanılarak normalize karar matrii elde edilir Normalize karar matrii Tablo 20 de göterilmiģtir 217

KAUJEASF 7(13), 2016: 201-227 Tablo 20: Normalize Karar Matri Alternatifler/Kriterler OSÜ OSA OAS OTÇ OTK ORĠ SG 0,566 0,590 0,570 0,636 0,641 0,721 EA 0,419 0,526 0,510 0,163 0,356 0,196 KS 0,285 0,174 0,225 0,163 0,217 0,219 FK 0,276 0,280 0,210 0,310 0,189 0,289 BE 0,516 0,484 0,471 0,615 0,582 0,450 DB 0,282 0,179 0,313 0,261 0,201 0,328 Adım 4:Normalize karar matriiyle her bir faktörün AHP ile elde edilen ağırlıkları çarpılarak ağırlıklı normalize karar matrii oluģturulur Normalize ağırlıklı karar matrii Tablo 21 de göterilmiģtir Tablo 21:Ağırlıklı normalize karar matrii Alternatifler/Kriterler OSÜ OSA OAS OTÇ OTK ORĠ SG 0,144 0,159 0,167 0,038 0,064 0,018 EA 0,107 0,141 0,149 0,010 0,036 0,005 KS 0,073 0,047 0,066 0,010 0,022 0,005 FK 0,070 0,075 0,061 0,018 0,019 0,007 BE 0,131 0,130 0,138 0,036 0,058 0,011 DB 0,072 0,048 0,092 0,015 0,020 0,008 Adım 5:Ağırlıklı normalize karar matriindeki her bir kriterin makimum ve minimum değerleri bulunur Bu değerler Tablo 22 de verilmiģtir Tablo 22: Pozitif ve Negatif Ġdeal Çözüm OSÜ OSA OAS OTÇ OTK ORĠ A* 0,144 0,159 0,167 0,038 0,019 0,018 A - 0,070 0,047 0,061 0,010 0,064 0,005 Adım 6: Pozitif ve negatif ideal çözümden her bir alternatifin uzaklığı heaplanmıģtır Bu uzaklıklar Tablo 23 de göterilmiģtir Tablo 13: d * ve d - değerleri Alternatif d * d - SG 0,045 0,173 EA 0,057 0,137 KS 0,170 0,043 FK 0,155 0,054 BE 0,059 0,131 DB 0,154 0,054 218

KAÜİİBFD 7(13), 2016: 201-227 Adım 7: Her bir alternatifin yakınlık katayıı heaplanmıģtır Her bir alternatif için d - değerinin (d * +d - ) değerine oranlanmaıyla bulunur Bu değer Tablo 24 de göterilmiģtir Tablo 24: C i Değerleri Alternatif C * SG 0,793 EA 0,707 KS 0,201 FK 0,259 BE 0,692 DB 0,259 Adım 8: Adım 7 de bulunan yakınlık katayıları karģılaģtırılmıģ ve alternatiflerin yerleri belirlenmiģtir TOPSIS çözüm onucu Tablo 25 de verilmiģtir Tablo 25: TOPSIS çözüm onucu Alternatif C* C* x 100 Sıralama SG 0,793 79,303 1 EA 0,707 70,659 2 KS 0,201 20,123 6 FK 0,259 25,911 5 BE 0,692 69,170 3 DB 0,259 25,939 4 Problemin TOPSIS çözümüne göre oyun kurucu mevkiine ilk ırada Sinan GÜLER eçilmelidir 53 Problemin ELECTRE ile Çözülmei Adım 1:Alternatif ve kriterler kullanılarak karar matrii oluģturulmuģtur Karar matrii Tablo 18 de göterilmiģtir Adım 2: Karar matrii kullanılarak normalize karar matrii oluģturulmuģtur Öncelikle formül yardımıyla R ij değerleri bulunur R ij değerleri Tablo 19 da göterilmiģtir Karar Matrii ve R ij değerleri kullanılarak normalize karar matrii elde edilir Normalize karar matrii Tablo 20 de göterilmiģtir Adım 3:Normalize karar matriiyle her bir faktörün ağırlıkları çarpılarak ağırlıklı normalize karar matrii oluģturulur Normalize ağırlıklı karar matrii Tablo 21 de göterilmiģtir 219

KAUJEASF 7(13), 2016: 201-227 Adım 4: Uyum ve uyumuzluk kümeleri oluģturulmuģtur Kümeler Tablo 26 da verilmiģtir Tablo 26: Uyum ve Uyumuzluk Kümeleri C(12) 1,2,3,4,6 D(12) 5 C(1,3) 1,2,3,4,6 D(1,3) 5 C(14) 1,2,3,4,6 D(14) 5 C(1,5) 1,2,3,4,6 D(1,5) 5 C(16) 1,2,3,4,6 D(16) 5 C(2,1) 5 D(2,1) 1,2,3,4,6 C(23) 1,2,3, D(23) 4,5,6 C(2,4) 1,2,3, D(2,4) 4,5,6 C(25) 2,3,5,6 D(25) 1,4, C(2,6) 1,2,3, D(2,6) 4,5,6 C(31) 5 D(31) 1,2,3,4,6 C(3,2) 5,6 D(3,2) 1,2,3,4 C(3,4) 1,3 D(3,4) 2,4,5,6 C(35) 5,6 D(35) 1,2,3,4 C(3,6) D(3,6) 1,2,3,4,5,6, C(4,1) 5 D(4,1) 1,2,3,4,6 C(4,2) 4,5,6 D(4,2) 1,2,3, C(43) 2,4,5,6 D(43) 1,3, C(4,5) 5,6 D(4,5) 1,2,3,4, C(46) 2,4 D(46) 1,3,5,6 C(5,1) 5 D(5,1) 1,2,3,4,6 C(5,2) 4,5,6 D(5,2) 1,2,3, C(5,3) 1,2,3,4 D(5,3) 5,6 C(5,4) 1,2,3,4 D(5,4) 5,6 C(5,6) 1,2,3,4 D(5,6) 5,6 C(6,1) 5 D(6,1) 1,2,3,4,6 C(6,2) 4,5,6 D(6,2) 1,2,3 C(6,3) 2,3,4,5,6 D(6,3) 1 C(6,4) 3,5,6 D(6,4) 1,2,4, C(6,5) 5,6 D(6,5) 1,2,3,4, 220

KAÜİİBFD 7(13), 2016: 201-227 Adım 5: Uyum ve uyumuzluk etleri heaplanır Heaplama yapılırken Tablo 26 daki verilerden yararlanılmıģtır Tablo 27: Uyum matrii Alternatif SG EA KS FK BE DB SG 0,00 0,9 0,9 0,9 0,9 0,9 EA 0,10 0,00 0,82 0,82 0,69 0,82 KS 0,10 0,12 0,00 0,54 0,12 0 FK 0,1 0,18 0,44 0,00 0,12 0,33 BE 0,1 0,31 0,88 0,88 0,00 0,88 DB 0,1 0,18 0,75 0,41 0,12 0,00 Tablo 28: Uyumuzluk matrii Alternatif SG EA KS FK BE DB SG 0,00 0,28 0,09 0,08 0,19 0,07 EA 1,00 0,00 0,15 0,19 1,00 0,16 KS 1,00 1,00 0,00 1,00 1,00 1,00 FK 1,00 1,00 0,15 0,00 1,00 1,00 BE 1,00 0,83 0,44 0,52 0,00 0,46 DB 1,00 1,00 0,03 0,91 1,00 0,00 Adım 6: Ütünlük katayıları heaplanır C ve D değerlerinin ortalamaı heaplanır Bu ortalama değerleri kullanılarak alternatiflerin birbirlerine ütünlükleri heaplanır Uyum ve uyumuzluk ütünlük matileri Tablo 29 ve 30 da verilmiģtir Cort= 0,48 ve Dort= 0,65 bulunmuģtur Adım 7: Net uyum ve uyumuzluk indekleri heaplanır C p değerleri büyükten küçüğe D p değerleri büyükten küçüğe ıralanır Böylece ıralama elde edilmiģ olur (Tablo 31 ve Tablo 32) Problemin ELECTRE çözümüne göre oyun kurucu mevkiine ilk ırada Sinan GÜLER eçilmelidir Ġkinci ırada Ender ARSLAN eçilmei en uygunudur Kullanılan üç yöntemde de ilk iki ıra Sinan GÜLER ve Ender ARSLAN çıkmıģtır daha onraki üçüncü ve dördüncü ıralamada ie DoğuĢ BALBAY ve BarıĢ ERMĠġ AHP ve TOPSIS yönteminde çıkarken ELECTRE de farklı çıkmıģtır 221

KAUJEASF 7(13), 2016: 201-227 Tablo 29: Uyum ütünlük matrii c12 0,90 0,48 1,00 c13 0,90 0,48 1,00 c14 0,90 0,48 1,00 c15 0,90 0,48 1,00 c16 0,90 0,48 1,00 c21 0,10 0,48 0,00 c23 0,82 0,48 1,00 c24 0,82 0,48 1,00 c25 0,69 0,48 1,00 c26 0,82 0,48 1,00 c31 0,10 0,48 0,00 c32 0,12 0,48 0,00 c34 0,54 0,48 1,00 c35 0,12 0,48 0,00 c36 0,00 0,48 0,00 c41 0,10 0,48 0,00 c42 0,18 0,48 0,00 c43 0,44 0,48 0,00 c45 0,12 0,48 0,00 c46 0,33 0,48 0,00 c51 0,10 0,48 0,00 c52 0,31 0,48 0,00 c53 0,88 0,48 1,00 c54 0,88 0,48 1,00 c56 0,88 0,48 1,00 c61 0,1 0,48 0,00 c62 0,18 0,48 0,00 c63 0,75 0,48 1,00 c64 0,41 0,48 0,00 c65 0,12 0,48 0,00 222

KAÜİİBFD 7(13), 2016: 201-227 Tablo 30: Uyumuzluk Ütünlük Matrii d12 0,28 0,65 0,00 d13 0,09 0,65 0,00 d14 0,08 0,65 0,00 d15 0,19 0,65 0,00 d16 0,07 0,65 0,00 d21 1,00 0,65 1,00 d23 0,15 0,65 0,00 d24 0,19 0,65 0,00 d25 1,00 0,65 1,00 d26 0,17 0,65 0,00 d31 1,00 0,65 1,00 d32 1,00 0,65 1,00 d34 1,00 0,65 1,00 d35 1,00 0,65 1,00 d36 1,00 0,65 1,00 d41 1,00 0,65 1,00 d42 1,00 0,65 1,00 d43 0,15 0,65 0,00 d45 1,00 0,65 1,00 d46 1,00 0,65 1,00 d51 1,00 0,65 1,00 d52 0,83 0,65 1,00 d53 0,44 0,65 0,00 d54 0,52 0,65 0,00 d56 0,46 0,65 0,00 d61 1,00 0,65 1,00 d62 1,00 0,65 1,00 d63 0,03 0,65 0,00 d64 0,91 0,65 1,00 d65 1,00 0,65 1,00 223

KAUJEASF 7(13), 2016: 201-227 Tablo 31: C p değerleri Cp1 4 Cp2 1,56 Cp3-3,15 Cp4-2,38 Cp5 1,1 Cp6-1,37 Sıralama: 1-2-5-6-4-3 Tablo 32: D p değerleri Dp1-4,29 Dp2-1,41 Dp3 4,32 Dp4 1,45 Dp5-0,94 Dp6 1,24 Sıralama: 1-2-5-6-4-3 6 SONUÇ VE DEĞERLENDİRME Baketbol ülkemizde ve dünyada her geçen gün yaygınlaģan bir por dalıdır Türkiye Erkek Baketbol Milli Takımına 2015 EuroBaket için oyun kurucu eçme problemi ele alınmıģtır Bu problemi çözerken çok ölçütlü karar verme yöntemlerinden AHP, TOPSIS ve ELECTRE kullanılmıģtır Bu yöntemlerle çözüm yaparken çeģitli alternatif ve kriterler belirlenmiģtir Alternatifler milli takım havuzunda bulunan oyun kuruculardan, kriterler ie bir oyun kurucu için önemli olan itatitiki verilerden oluģmaktadır Bu alternatifler için kullanılan veriler 2014/2015 Türkiye baketbol ligi itatitiklerinden alınmıģtır AHP, TOPSIS ve ELECTRE yöntemi onucuna göre Türkiye Erkek Baketbol Milli Takımının 2015 Avrupa ġampiyonaı için oyun kurucuu eçiminin Sinan Güler olmaı gerektiği onucuna varılmıģtır Ayrıca Ender Arlan ikinci ırada çıkmaı ile ikinci alternatif olarak değerlendirilebilir 7 TEŞEKKÜR Alternatif ve kriterleri belirlemede yardımcı olan baketbol yazarı ve yorumcuu Kaan KURAL a teģekkür ederiz 224

KAÜİİBFD 7(13), 2016: 201-227 8 KAYNAKÇA ABALI, Y A, B S KUTLU, ve T EREN (2012), Çok Ölçütlü Karar Verme Yöntemleri Ġle Buriyer Seçimi: Bir Öğretim Kurumunda Uygulama Atatürk UniverityJournal of Economic&AdminitrativeScience, 3-4(26): 259-272 ACUN, O ve T EREN (2015), "Spor Toto Süper Ligi nde Forvet Oyuncularının Performanlarının Çok Ölçütlü Karar Verme Yöntemleri Ġle Değerlendirilmei"Kırıkkale Üniveritei Soyal Bilimler Dergii 5(2): 13-29 AKYÜZ, Y ve M SOBA (2013), "ELECTRE Yöntemiyle Tektil Sektöründe Optimal KuruluĢ Yeri Seçimi: UĢak Ġli Örneği"Ululararaı Yönetim İktiat ve İşletme Dergii 9(19): 185-198 BEDĠR, N ve T EREN (2015), "AHP-PROMETHEE Yöntemleri Entegrayonu ile Peronel Seçim Problemi: Perakende Sektöründe Bir Uygulama, SocialScienceReearchJournal, 4(4): 46-58 ÇĠÇEKLĠ, G U ve A KARAÇĠZMELĠ, (2013), Bulanık Analitik HiyerarĢi Süreci Ġle BaĢarılı Öğrenci Seçimi Ege Üniveritei İktiadi Ve İdari Bilimler Fakültei Örneği, 1(4): 71-94 DEMĠRCANLI, B ve NĠLSEN K (2015), "Futbolcu Tranferinin AHP ve VIKOR Yöntemlerine Dayalı BütünleĢik YaklaĢım ile Değerlendirilmei"Dokuz Eylül Üniveritei İktiadi ve İdari Bilimler Fakültei Dergii S30, C2 ECER, F ve O KÜÇÜK (2008), Tedarikçi Seçiminde Analitik HiyerarĢi Yöntemi Ve Bir Uygulama Atatürk Üniveritei Soyal Bilimler Entitüü Dergii, 11(1): 355-369 ERTUĞRUL Ġ ve N KARAKAġOĞLU (2009), Performance Evaluation Of TurkihCementFirmWithFuzzyAnalyticHierarchyProceAnd TOPSIS Method ExpertSytemwith Application, 36(1): 702-715 Wikipedia (2015), http://trwikipediaorg/wiki/eurobaket (EriĢim tarihi 3/05/2015) HWANG, CL ve K YOON (1981), MultipleAttributeDeciionMakingMethodand Application Springer, Berlin Heidelberg IGNATIUS, J, A MUSTAFA ve M GOH (2012), ModelıngFundingAllocatıonProblemVia AHP-Fuzzy TOPSIS International Journal of Innovative Computing, Information and Control, 8(5A): 3329-3340 LI H, ADELI H, J SUN ve JG HAN (2011), HybridizingPrinciple Of TopıWith Cae-BaedReaoningFor Buine FailurePrediction, Computer& Operation Reearch, 38(2): 409 419 KABAK, M ve Y KAZANÇOĞLU (2012), Bulanık Analitik HiyerarĢi Yöntemiyle Öğretmen Seçimi ve Bir Uygulama, Afyon Kocatepe Üniveritei İİBF Dergii, 9(1): 95-111 KARAATLI, M, ÖMÜRBEK, N, E AKSOY ve H KARAKUZU (2014), Turizm ĠĢletmeleriĠçin AHP Temelli Bulanık TOPSIS Yönetimi ile Tur Operatörü Seçimi, Dokuz Eylül Üniveritei İktiadi ve İdari Bilimler Fakültei Dergii, 29(1): 53-70 225

KAUJEASF 7(13), 2016: 201-227 KARAATLI, M, N ÖMÜRBEK ve G KÖSE (2014), Analitik HiyerarĢi Süreci Temelli TOPSIS Ve VIKOR Yöntemleri Ġle Futbolcu Performanlarının Değerlendirilmei, Dokuz Eylül Üniveritei İktiadi ve İdari Bilimler Fakültei Dergii, 29(1): 25-61 KUTLU BS, YA ABALI ve T EREN (2012), Çok Ölçütlü Karar Verme Yöntemleri Ġle Seçmeli Der Seçimi, Kırıkkale Üniveritei Soyal Bilimler Dergii, 2 (2): 259-272 KURUÜZÜM, A ve N Atan (2001), Analitik HiyerarĢi Yöntemi ve ĠĢletmecilik Alanındaki Uygulamaları, Akdeniz Üniveritei, İktiadi ve İdari Bilimler Fakültei Dergii, 1(1): 83-105 ORÇANLI, Kve Ü ÖZEN (2013), Çok Kriterli Karar Verme Yöntemlerinden AHP Ve TOPSIS' in E-Kitap Okuyucu Seçiminde Uygulanmaı, Uşak Üniveritei Soyal Bilimler Dergii, 2013(15): 282-310 ÖZGÖRMÜġ, E, Ö MUTLU ve H Güner (2005), Bulanık AHP ile Peronel Seçimi,V Ulual Üretim Araştırmaları Sempozyumu, İtanbul Ticaret Üniveritei, 111-115 ÖZKAN, A (2008), Kentel Katı Atık Yönetim Sitemlerinin Oluşturulmaında Farklı Karar Verme Tekniklerinin Kullanımı Anadolu Üniveritei Fen Bilimleri Entitüü, Doktora Tezi, EkiĢehir ÖZKAN, Ö (2007), Peronel Seçiminde Karar Verme Yöntemlerinin İncelenmei: AHP ELECTRE ve TOPSIS Örneği DEÜ Soyal Bilimler Entitüü, Yükek lian tezi, Ġzmir SAATY, TL (1990), How ToMake A Deciion: TheAnalyticHierarchyProe, EuropanJournal of OperationReearch, 48(1): 9-26 SARI, T ve M TĠMOR (2015), Tedarikçi Seçiminde ANP, Taguchı ve TOPSIS Yöntemleri Ġle Otomotiv Sektöründe Bir Uygulama",Kafka Üniveritei İktiadi ve İdari Bilimler Fakültei Dergii, 6(10): 281-300 SHIH, HS, HJ SHYUR ve ES LEE (2007), An Extenion Of TOPSIS forgroupdeciionmaking, Mathematical andcomputermodelling, 45(7), 801 813 SUPÇĠLLER, AA ve O ÇAPRAZ (2011), AHP TOPSIS Yönetimine Dayalı Tedarikçi Seçimi Uygulamaı, Ekonometri ve İtatitik Dergii, S13, 1-22 TAġKIN, A ve T EREN (2016), "UEFA ġampiyonlar Ligi nde Forvet Oyuncularının Performanlarının Çok Ölçütlü Karar Verme Yöntemleri ile Değerlendirilmei", Celal Bayar Üniveritei Soyal Bilimler Dergii, 14 (1): 79-105 TĠMOR, M (2011) Analitik Hiyerarşi Proe, Türkmen Kitabevi, Ġtanbul TÜRKER, A (1988), Çok Ölçekli Karar Verme Tekniklerinden ELECTRE, İtanbul Üniveritei Orman Fakültei Dergii, 38(3): 72 87 TÜZEMEN A ve A ÖZDAĞOĞLU (2007), Doktora Öğrencilerinin EĢ Seçiminde Önem Verdikleri Kriterlerin Analitik HiyerarĢi Süreci Yöntemi Ġle Belirlenmei, Atatürk Üniveritei, İktiadi Ve İdari Bilimler Fakültei Dergii, 21(1): 215-232 YÜCEL, M ve A ULUTAġ (2009), Çok Kriterli Karar Yöntemlerinden Electre 226

KAÜİİBFD 7(13), 2016: 201-227 Yöntemiyle Malatya da Bir Kargo Firmaı Ġçin Yer Seçimi, Selçuk Üniveritei, İİBF Soyal ve Ekonomik Araştırmalar Dergii, 11(17): 327-344 YÜREKLĠ, H (2008), Taarruz Helikopterleri Seçiminde ELECTRE Yönteminin Kullanılmaı Ġtanbul Üniveritei Soyal Bilimler Entitüü, Doktora Tezi, Ġtanbul 227